長江口中華鱘保護區海洋環境監測浮標站點的優化設計

潘邵媛，王學昉,2,3,4,5，田思泉,2,3,4,5*，童劍鋒,2,3,4,5，高春霞,2,3,4,5，趙靜,2,3,4,5，韓東燕,2,3,4,5

(1.上海海洋大學海洋科學學院，上海201306；2.國家遠洋漁業工程技術研究中心，上海201306；3.大洋漁業資源可持續開發教育部重點實驗室，上海201306；4.農業部大洋漁業開發重點實驗室，上海201306；5. 農業部大洋漁業資源環境科學觀測實驗站，上海201306)

1 引言

河口生態系統是地球上極為重要的生態過渡區域，河口地區環境變化大，營養物質和餌料生物豐富，其生境變化對河口水生生物的棲息地研究十分重要[1–2]。隨著全球氣候變化和大量涉水工程的建設，長江口生物多樣性和生態系統穩定性受到嚴重影響[3–6]，其特殊的升溫降鹽變化過程也影響著該水域水生生物的生長和繁殖過程[7]。因此，為更好地對河口生態系統進行研究，需要準確監測長江口水文要素的變化。

海洋環境自動監測技術的發展提高了人類對海洋環境的監測、預測和預報能力，海洋監測浮標具有長期、連續、實時和范圍大等優點，是現代海洋水文要素信息觀測系統中的主要方式之一[8–10]。在組建以海洋監測浮標為站點的監測網絡時，需要考慮不同的監測目標以及站點空間布局的合理性等因素[11–12]。因此，對浮標監測站點進行布局設計和數量優化是構建科學高效的監測網絡的必要過程。

分層隨機采樣（Stratified Random Sampling，StRS）是漁業資源和生態調查中常見的調查設計之一[13]，根據資源狀況和水文環境的分布將研究區域劃分為若干層，各層內的采樣相互獨立，從各層中隨機挑選采樣站點能夠提高采樣結果的精度和準確性[14–18]。因此，該采樣設計中層數和站點數的確定是常見的優化內容，如韓青鵬等[19]比較了不同調查站位數量對定點采樣與分層隨機采樣分析結果的影響，并對渤海多目標漁業資源調查的設計方案進行了優化；趙靜等[20]比較了不同采樣站點數下的分層采樣設計對魚類群落豐富度指數采樣精度的影響。

目前，長江口中華鱘自然保護區及其鄰近水域的海洋環境浮標監測站點的設計缺少樣本量優化的過程[3]，監測布局不夠完善、功能不夠齊全[4]。本研究通過普通克里金法（Ordinary Kriging，OK）模擬了該水域各項環境要素的空間分布，在此基礎上比較了分層隨機采樣設計中的不同分層方案和站點數量變化對多種環境要素監測效果的影響，旨在為該水域海洋環境監測浮標組成的監測網絡的發展改進提供參考依據。

2 材料與方法

2.1 數據來源

環境監測數據源于長江口中華鱘自然保護區執行的綜合性常規監測。調查水域為長江口中華鱘自然保護區及其鄰近水域，在2015?2018年調查期間，每年春季（5月）、夏季（8月）、秋季（11月）和冬季（2月）進行4次定點調查。目前的監測調查共設置14個固定站點，按照地理位置將調查水域劃分為北港(Z1、Z3)、東灘(Z6、Z9、Z14、Z16、Z17、Z18、Z19)和北支(Z4、Z5、Z7、Z13、Z15)區域（圖1）。監測內容包括多項水文物理環境要素和水化學環境要素，調查時使用WTW Multi3430水質測試儀現場同步測定水溫、鹽度和溶解氧，以及通過采集水樣帶回實驗室分析獲取站點的化學需氧量（COD）要素。

圖1 長江口中華鱘自然保護區及其鄰近水域綜合監測調查站點Fig.1 Comprehensive monitoring and investigation stations in the Chinese sturgeon nature reserve and itsadjacent waters in the Changjiang River Estuary

2.2 數據處理

2.2.1 基于模型的方法

在評估采樣效果時，基于模型的方法充分考慮了調查目標的總體結構，能夠將由模型獲得的研究區域內調查目標的總體分布情況作為重采樣的“真實值”（即潛在采樣站點）[21–22]。在獲取連續分布的環境要素時，空間插值方法能夠用已知點的值來估算未知點的值，如普通克里金法就是常用于模擬研究的空間插值方法之一[23–26]。

本研究中，將研究區域按照2′×2′的空間分辨率進行劃分，去除不能進行的調查站點后，共產生160個潛在采樣站點。使用基于高斯模型的普通克里金法獲得整個研究區域內的水溫、鹽度、溶解氧和COD數據，為避免不同采樣時間潮汐情況的差別，在模型分析時使用的全部為漲潮時的數據。交叉驗證通過分別計算診斷統計量預測誤差的算數平均值（Mean Error，ME）和均方根誤差（Root Mean Square Error，RMSE），來評價插值結果的有效性[27–28]。ME和RMSE用于評價插值方法的精度，在結果中RMSE應首先被比較[29]。ME反映了插值方法的總體估計偏差[30]，ME越接近于0，預測值越是無偏；RMSE可以量化觀測密度和擬合密度之間的差異，RMSE越接近0值，表明插值方法的擬合更好[31]。各統計量計算公式分別為

式中，z(xi)和z?(xi) 分別為xi點的觀測值和預測值；n為樣本數。

2.2.2 層數及站點分配

考慮長江口水域鹽度的空間分布受潮汐和徑流量影響，鹽水入侵導致北支鹽度始終高于南支，且北支鹽度變化幅度也大于南支[32]，因此根據鹽度數據的插值結果對研究區域進行分層。研究中，依照2015?2018年平均鹽度值空間分布將監測水域劃分為2～3層，并采用最優分配法確定各層站點數（圖2，表1）。最優分配法中各層站點數量與該層的誤差呈正比，可以求出方差最小時的站點數量[33]，計算公式為

表1 分層隨機采樣的分層設計及站點數分布Table 1 Stratified design and sam p le size distribution of stratified random sam p ling

圖2 長江口中華鱘自然保護區及其鄰近水域使用分層隨機采樣的分層劃分Fig.2 Stratified design of stratified random sampling in the Chinese sturgeon nature reserve and its adjacent waters in the Changjiang River Estuary

式中，nh為 分配到h層中的站點數量；n為總站點數量；wh為h層的權重；Sh為h層的樣本方差；H為全部層數；Nh為h層可被采樣的站點數量；N為全部潛在站點數。

2.3 模擬研究及評價標準

分層隨機采樣的采樣過程在R軟件中進行模擬，對采樣過程重復進行100次以獲取平均效應。計算相對誤差（Relative Estimation Error，REE）和相對偏差（Relative Bias，RB）比較采樣設計的結果，REE反映了估算值的估測準確性，RB反映了估算值的偏差。兩個統計值越接近0表示采樣效果越好[34]，計算公式為

式中，Vestimated為某一采樣方法的模擬估算平均值；Vtrue為對應的真實平均值；N為模擬次數(N=100)。

3 結果與分析

3.1 不同環境要素插值結果

交叉驗證結果顯示，基于高斯模型的普通克里金法獲得的水溫、溶解氧和COD要素插值結果ME和RMSE值都接近于0，模型較好地估測了調查區域內海洋環境數據的分布值，而鹽度數據插值效果則相對較差（圖3）。水溫和溶解氧要素在全部調查中均獲得了精度較高的插值結果，并且插值結果幾乎無偏；COD要素的插值結果也幾乎無偏，但2017年8月結果誤差較大，產生了較大的RMSE值；鹽度要素模型擬合的結果略差，產生了相對較大的誤差和偏差。

圖3 不同環境要素交叉驗證結果Fig.3 Cross-validation resultsof different environmental factors

3.2 不同采樣設計的相對誤差

兩種分層方案中，隨著樣本數量的增加，各環境要素平均相對誤差（REE）值越小，采樣估測準確性越高（表2）。溶解氧數據的REE值最小，兩種分層方案的采樣設計效果均為最好；鹽度數據的REE值最大，兩種分層方案的采樣設計效果相對較差。除鹽度數據外，水溫、溶解氧和COD要素中劃分為兩層的分層隨機采樣估測準確性更高，而鹽度數據中則是劃分為3層的估測準確性更高。隨著站點數的增加，各環境要素在不同采樣設計中的采樣結果REE值集中趨勢也越高（圖4）。水溫、溶解氧和COD要素中，REE值的下降趨勢在站點數為10～30的區間內較為明顯，當站點數增加到30個時，REE隨站點下降的幅度開始明顯變小。鹽度數據中，當站點數增加到50個時，REE值下降幅度仍然很明顯。

圖4 各環境要素的相對誤差隨監測站點數量增加的變化趨勢Fig.4 The variation trend of relative estimation error with the increase of the monitoring sample sizeof variousenvironmental factors

表2 各環境要素不同采樣設計結果的平均相對誤差Table 2 The average relativeestim ation error of different sam p ling design resultsof various environm ental factors

不同季節各環境要素采樣結果的平均相對誤差與總體REE值變化趨勢一致，隨著站點數的增加，采樣效果越好，并當樣本量大于30個時，采樣估測準確性逐漸趨于穩定（圖5）。水溫數據在四季中的REE值都較小，但秋季REE值略高。雖然鹽度數據的總體REE值顯示層數為3的采樣設計效果更好，但在秋季，層數為2的采樣準確性則更高。溶解氧數據在各季節不同采樣設計效果相近，REE值最小，采樣效果最優。COD數據在冬季的REE值最高，其中層數為3的分層隨機采樣在該季節所有采樣設計中表現最差。

圖5 不同季節各環境要素的平均相對誤差隨監測站點數量增加的變化趨勢Fig.5 The variation trend of average relative estimation error of various environmental factors in different seasonswith the increase of the monitoring sample size

3.3 不同采樣設計的相對偏差

隨著站點數的增加，各環境要素采樣結果的平均相對偏差(RB)未表現出一致的變化趨勢，當樣本量增加到50個時，所有采樣設計估計值都幾乎無偏（表3）。水溫和溶解氧要素的采樣偏差最小，并且當站點數大于20個時，采樣結果幾乎無偏；鹽度要素的平均RB值較大，層數為3且站點數為10的采樣結果偏差最大，層數為3且站點數為50個的采樣結果偏差最小；COD數據中，在分層數為2且站點數大于30個和分層數為3且站點數大于20個時，采樣結果RB值均接近0。不同設計方案的分層隨機采樣效果幾乎無偏，并且站點數量越多，數據集中趨勢也越高（圖6）。水溫、溶解氧和COD的采樣結果RB值均集中在0值附近，鹽度數據的采樣結果偏差離散程度則相對較大。

圖6 各環境要素的相對偏差隨監測站點數量增加的變化趨勢Fig.6 The variation trend of relative bias with the increaseof the monitoring sample size of various environmental factors

表3 各環境要素不同采樣設計結果的平均相對偏差Tab le 3 The average relativebiasof different sam p ling design results of variousenvironm ental factors

除鹽度數據外，不同季節各環境要素采樣結果的平均RB值均接近0，采樣效果無偏，但隨著站點數的增加，RB值無一致性變化趨勢（圖7）。鹽度數據中，春季和夏季站點數小于20個時的采樣偏差較大，秋季和冬季則相對較小。

圖7 不同季節各環境要素的相對偏差隨監測站點數量增加的變化趨勢Fig.7 The variation trend of average relativebiasof variousenvironmental factors in different seasons with the increaseof the monitoring sample size

4 討論

本研究基于模型的方法，比較了分層隨機采樣中不同分層方案和站點數量的變化對長江口水溫、鹽度、溶解氧和COD等要素監測效果的影響。基于模型的方法可以獲取這些要素的總體結構，但模型中的不同假設會影響模型的預測精度和準確性。因此，在評價不同采樣設計的有效性時，還需要考慮影響模型預測性能的各種因素，通過比較以確定在某一具體研究中所需的最合適的方法。譬如，克里金法提供了最好的線性無偏估計[35]，充分考慮了測量點之間的空間

關系和空間相關性，但它在數據量較小時的預測可能會出現較大的偏差[36]。本研究中，對于空間分布變化趨勢小的水溫、溶解氧和COD要素，基于高斯模型的普通克里金法較好地估測了整個調查區域內的空間分布狀況。但在空間分布變化大的鹽度數據中，由于目前監測調查中站點的布局及數量等問題，導致插值效果較差。

通常認為，分層隨機采樣根據資源和環境的分布特征，可以將采樣區域劃分為不同的層次，能夠提高采樣結果的精度和準確性[15–16]。但針對不同的監測目標，如果分層方案不合適，估測的數據質量可能比簡單隨機采樣調查更差[37]。本研究考慮了長江口區域鹽度受潮汐和徑流量的影響造成的顯著空間分布差異[38]，將研究區域根據鹽度要素的空間分布狀況分為2層和3層。在將研究區域劃分為3層時，盡管鹽度要素的采樣精度提高，但水溫、溶解氧和COD要素的采樣效果反而比劃分為2層時的更差。根據鹽度要素空間分布作為分層隨機采樣中的分層依據，可能影響了其他環境要素監測站點的空間布局合理性，導致采樣效果變差。

此外，環境要素的季節性變化也可能會造成采樣效果的差異。比較各季度的平均相對誤差發現，秋季鹽度要素中層數為2的采樣準確性更高，與其他3季以及總體相對誤差結果存在區別；冬季COD要素的采樣效果比其他3個季節要差。徑流大小、汊道分流比、潮汐強弱和地形條件是導致環境要素出現時空變化的重要因素，長江口徑流的洪（5?10月）、枯（11月至翌年4月）期變化顯著，這可能造成一些與徑流量有關的因素出現了季節性的變化[38–39]。

在海洋環境監測中，不同的監測目標可能導致站點數量的選擇存在差別，因此需要對采樣設計的有效性和數據質量進行評估[40–44]。隨機采樣的過程是無偏的，當站點數增加到50個時，所有采樣設計估計值都幾乎無偏。隨著站點數的增加，兩種分層方案采樣結果的相對偏差值分布更集中，相對誤差都逐漸減小。當站點數大于30個時，水溫、溶解氧和COD要素采樣結果的相對誤差逐漸趨于穩定，鹽度要素相對誤差值仍存在明顯的下降趨勢。

海洋監測浮標技術具較好的精度和時效性，能夠實現對海洋水文環境要素信息實時和自動化地觀測，是現在及未來我國海洋水文自動化監測調查的重要技術手段之一[10]。另一方面，監測成本是任何監測項目都需要考慮的因素，達到站點數量和更高觀測精度的平衡，也是監測網絡優化設計的一個重要內容。本研究為長江口中華鱘自然保護區及其鄰近水域的海洋環境浮標監測網絡的布局設計和優化提供了一種參考依據，同時也為保護區內國家級海洋牧場示范區的自動化監測設計提供了方法。我們建議采用3層的分層隨機采樣作為鹽度監測的分層標準，且站點數量要大于50個；使用2層的分層隨機采樣作為其他多種水文環境要素監測的分層標準，且站點數量要大于30個。